基于相关性准则和R-ELM模型的岩溶隧道涌水量预测研究

为实现隧道涌水量的高精度预测,以相关系数法和极限学习机为理论基础,构建隧道涌水量预测模型。首先,结合工程实例对隧道涌水的影响因素进行分析,并利用相关系数法分析各因素与涌水量之间的相关性,以筛选出重要影响因素;其次,将筛选出的重要因素作为预测模型的输入层,并利用试算法和经验公式优化极限学习机的模型参数,再利用M估计弱化预测误差,进而构建出用于隧道涌水预测的R-ELM模型。研究表明： 1）岩溶隧道涌水灾害的影响因素较多,包括5类一级因素和12类二级因素,不同因素对隧道涌水灾害的影响程度存在一定差异; 2）R-ELM模型预测结果的平均相对误差仅为1.12%,具有较高的预测精度,不仅验证了模型参数优化和M估计优化的有效性,也验证了R-ELM模型在隧道涌水量预测中的适用性。     

高职教育"两课"教学改革探析

根据高职学制改革、培养目标、学生学习力等具体学情以及邓小平同志的“学马列要精、要管用的”原则,高职教育“两课”教学改革势在必行;实事求是地从高职学生职业能力和素质构建出发,以学生就业为导向,高职“两课”教学就应该特别提倡开放式的学习、实践性的学习和多棱型的学习。     

高职高专院校金工实训教学改革的探索与实践

根据笔者多年金工实训教学实践,文中论述了广东交通职业技术学院从中专学校升为高职高专院校后对金工实训教学方法进行的改革性探索与实践。     

课程思政视域下高职数学课程学习效果评价途径探究——以概率论在核酸检查中的作用为例

“立德树人”是教育的根本任务.在课程思政视域下,高职数学课程的教学结构整合与优化、教学方式与方法的改革、学生学习习惯与方式的改变,都对高职数学课程学习效果评价提出了新的要求.本文从对学生知识、能力、素质目标考核中探究出一系列关于高职数学课程学习效果评价的途径与方法,明确高职数学课程的育人核心内涵,更全面地完善了学生终身...     

用新陈代谢极限学习机实现电池健康状态估算

针对因电池内部电化学反应的复杂性、算法泛化性差或可用已知数据量少导致的锂离子电池SOH估算精度下降的问题,提出使用极限学习机(ELM)构建强泛化性电池退化状态模型来描述不同电池的共性退化规律;引入新陈代谢机制来更新退化状态模型的输入数据进而实现对SOH的新陈代谢估算,在保证估算精度的同时降低对输入数据量的需求.利用两种...     

高职高专金工实习教学改革探索

文中论述了近机类高职高专院校金工实习教学改革的目标、任务,探讨了金工实习的教学模式和改革思路并制定了实施方案,有利于培养学生的实践能力及创新能力。     

Inverse Learning Control of Nonlinear Systems Using Support Vector Machines

An inverse learning control scheme using the support vector machine (SVM) for regression was proposed. The inverse learning approach is originally researched in the neural networks. Compared with neural networks, SVMs overcome the problems of local minimum and curse of dimensionality. Additionally, the good generalization performance of SVMs increases the robustness of control system. The method of designing SVM inverse learning controller was presented. The proposed method is demonstrated on tracking problems and the performance is satisfactory.     

The Cooperative Multi-agent Learning with Random Reward Values

This paper investigated how to learn the optimal action policies in cooperative multi-agent systems if the agents‘ rewards are random variables, and proposed a general two-stage learning algorithm for cooperative multiagent decision processes. The algorithm first calculates the averaged immediate rewards, and considers these learned rewards as the agents‘ immediate action rewards to learn the optimal action policies. It is proved that the learning algorithm can find the optimal policies in stochastic environment. Extending the algorithm to stochastic Markov decision processes was also discussed.     

Oxford学习策略理论的实证研究--中国专业技术人员使用英语学习策略的问卷调查

研究采用问卷的形式,对来自大型厂矿企业的287名专业技术人员使用学习策略的情况,以及他们现在的英语水平与他们的个人现状、学习动机与学习策略使用的关系进行了调查。研究结果表明,一些个人因素、目的、观念与策略使用之间存在着显著相关关系;不同的学习者在使用某些学习策略时,呈现出显著差异;专业技术人员现在的英语水平与学习策略无太大关系。研究结果为今后提高在岗专业技术人员的策略意识,增强他们的学习动机,对他们进行英语策略融合式培训以及帮助他们树立生命全程学习观念,提供了一定的参考与借鉴。     

RSOFCPN: CONTROL SYSTEM STRUCTURE AND ALGORITHM DESIGN

IntroductionThe learning approaches of neural network canusually be distinguished into three classes:su-pervised learning,unsupervised learning and re-inforcement learning.The supervised learningscheme has the highest efficiency but requiresthe learning systems to provide with desired out-puts.Obviously,it is very difficultin many cas-es.Unsupervised learning methods constructin-ternal models at capture regularities in their in-puts without receiving any additional informa-tion.Therefore,its …